期權(quán)是以金融產(chǎn)品作為行權(quán)品種的交易合約。隨著期權(quán)交易規(guī)模和交易量的迅速增長,期權(quán)定價的計算量越來越大,在傳統(tǒng)CPU平臺上對期權(quán)進行定價變得越來越困難。圖形處理器（GPU）平臺的出現(xiàn)和發(fā)展為解決期權(quán)定價計算提供了解決方案。在GPU上使用最小二乘蒙特卡羅算法（Least Squares Monte Carlo,LSM）實現(xiàn)了對一維和四維美式期權(quán)定價計算:首先利用CURAND庫產(chǎn)生大量隨機數(shù),然后并行化期權(quán)標(biāo)的價格變化路徑,最后對最小二乘法和貼現(xiàn)定價進行并行化。為提高GPU平臺上LSM方法的計算效率,對整個過程進行了優(yōu)化。實際測試結(jié)果表明,在CPU+GPU上實現(xiàn)一維和四維美式期權(quán)定價相對CPU平臺的加速比最高分別達到20.275和47.538,且比其他文獻的方法整體性能有較大的提升。 

【文章來源】：計算機工程與應(yīng)用. 2020,56(04)北大核心CSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

一維期權(quán)隨路徑數(shù)變化的耗時和加速比

圖1 一維期權(quán)隨路徑數(shù)變化的耗時和加速比可以看出，由于GPU數(shù)據(jù)傳輸與數(shù)據(jù)計算重疊，隱藏了通信時間，隨著路徑數(shù)目的增加，一維期權(quán)加速比最高可達到20.275，四維期權(quán)加速比最高可達到47.538。

一維期權(quán)隨路徑數(shù)變化的加速比

【參考文獻】：
期刊論文
[1]基于方差縮減的高維美式期權(quán)Monte Carlo模擬定價[J]. 陳金飚,林榮斐.  浙江大學(xué)學(xué)報(理學(xué)版). 2017(05)
[2]最小二乘蒙特卡洛美式期權(quán)定價的GPU實現(xiàn)[J]. 孫延維,雷建軍.  華中師范大學(xué)學(xué)報(自然科學(xué)版). 2016(03)
[3]美式期權(quán)定價的一種蒙特卡洛方法[J]. 張麗虹.  經(jīng)濟研究導(dǎo)刊. 2015(27)
[4]美式期權(quán)定價的數(shù)值方法[J]. 梁義娟,徐承龍.  應(yīng)用數(shù)學(xué)與計算數(shù)學(xué)學(xué)報. 2013(01)
[5]基于加權(quán)最小二乘擬蒙特卡羅的美式期權(quán)定價[J]. 楊海軍,雷楊.  系統(tǒng)工程學(xué)報. 2008(05)
[6]美式期權(quán)定價的最小二乘蒙特卡洛模擬方法[J]. 吳建祖,宣慧玉.  統(tǒng)計與決策. 2006(01)
[7]基于偏最小二乘回歸的美式期權(quán)仿真定價方法[J]. 鄭承利,韓立巖.  應(yīng)用概率統(tǒng)計. 2004(03)

碩士論文
[1]基于CV-LSM模型的美式期權(quán)和債券定價問題的研究[D]. 陳萌.上海師范大學(xué) 2015



本文編號：3550971